Величина t сравнивается с t – табличным значением критерия Стьюдента при уровне значимости p и числе степеней свободы n – k -1, где k – число факторов; в нашем случае k = 3. Если t > t_>p, то вычисленный коэффициент корреляции достоверен с вероятностью 1-p. В нашем случае при R_>yx1x2x3 = 0,960 имеем следующие значения: Z = 1,95; Q_>2 = 0,41; t = 4,76.

Сравнивая с табличным значением, мы видим, что рассчитанный коэффициент корреляции при числе степеней свободы, равном 6, достоверен с вероятностью 0,99.

Полученный достоверный и высокий коэффициент множественной корреляции свидетельствует о том, что уравнение множественной регрессии вполне можно принять за математическую модель изучаемого процесса, а следовательно, и использовать его плановыми органами в прогнозировании себестоимости молока для данной совокупности предприятий. Подставляя в математическую модель плановые (прогнозируемые) размеры факторов, получим плановые (прогнозируемые) значения себестоимости 1 ц молока.

Сравнивая расчетные значения (Y) себестоимости 1 ц молока с фактическими в каждом конкретном хозяйстве, можно установить, как используются имеющиеся в хозяйстве факторы производства. Если фактическое значение результативного признака меньше, чем расчетное, то данное хозяйство хорошо использует имеющиеся у него факторы, т. е. лучше, чем они используются в среднем по данной совокупности хозяйств. В тех хозяйствах, в которых расчетные значения результативного признака больше, чем фактические, следует отметить низкую степень эффективности использования факторов. С помощью корреляционно-регрессионного метода удается произвести более объективную оценку деятельности предприятий, чем при простом сравнении их работы. Это очень важно при изучении прибыльности хозяйств и их конкурентоспособности в рыночных условиях.

Исходя из изложенного, становится ясной последовательность изучения связей и зависимостей между экономическими явлениями. Сложная картина взаимодействий в экономике хорошо поддается исследованию при помощи статистических группировок. На основе статистических группировок можно дать развернутую характеристику взаимосвязей различных сторон изучаемого объекта. На основе группировок устанавливается также направление связи между признаками, а аналитические группировки и ряды распределения дают приближенное представление о форме связи, но не могут дать количественную характеристику этих связей.

Большое значение в анализе связей между признаками занимают дисперсионный и корреляционный методы. Они позволяют получить цифровые показатели связи между двумя или несколькими признаками. Дисперсионный и корреляционный анализы тесно связаны со статистическими группировками.

Дисперсионный анализ предполагает, что изучаемая совокупность подразделена на группы по одному или нескольким факторным признакам, влияние которых должно быть изучено. При осуществлении корреляционно-регрессионного анализа статистические группировки решают задачи качественного выравнивания совокупности, подлежащей анализу. С помощью группировок осуществляется отбор наиболее значимых факторов и формируется гипотеза относительно их взаимодействия. Поэтому метод аналитической группировки должен, как правило, применяться на первой, начальной стадии исследования, а затем и на последней, при оценке деятельности предприятий с позиций их факторообеспеченности и эффективности использования факторов.

Введение в анализ большого числа факторов и поиск такого их сочетания, которое почти целиком определяло бы поведение изучаемого признака, вовсе не так целесообразно, как иногда кажется. Правильнее произвести отбор лишь сравнительного небольшого числа факторов, которые носят характер основных. Присоединение к ним еще ряда других дополнительных факторов может не прояснить, а напротив, затушевать всю картину множественных связей.